激光雷达高精地图都不要，视觉AI边缘计算才是自动驾驶的王道？

前些天，和公司的小伙伴们体验了一下某品牌新车的自动泊车功能，说实话，这款车的表现像极了我练科目二倒库的样子。我就纳闷了，好歹是个具有L2级别的自动驾驶，咋就连个白线和黄线都分不清楚呢？当然，我不是在刻意黑这个品牌，因为自动驾驶汽车识别能力差的问题还是普遍现象。

自动驾驶汽车的识别能力主要还是来自于视觉智能系统，视觉智能系统则是需要不断地进行学习才能拥有正确识别的能力。而现阶段视觉智能系统与其他AI相同，都需要采用大量的人工标记数据，而人工标注数据的方式既费时，又昂贵。

为解决这一问题，以色列Cartica AI公司开发了一款可进行无监督学习的视觉智能系统平台，并且已在9月4号获得了宝马与丰田两家车界大佬的投资。

为什么要无监督学习？

监督学习与无监督学习最大区别就在于，无监督学习不需要大量的数据标记，而监督学习就如上，需要进行大量的人工标注数据。因此无监督学习常常被用于数据挖掘，能在没有被标记的数据中进行样本识别分类。

通俗来说，监督学习就是手把手教学，把一条狗放在AI面前并告诉它这是一条狗，那么下次AI见到狗就能分辨出来。而无监督学习方式，仅需要把狗的特征告诉AI，AI在见到一个动物后就能分辨该动物是不是狗（如果这个动物不是狗，那么它该是什么），进而产生一种类似于主动学习的思想。但无监督学习会存在一些不准确性，比如把狼认作二哈。

现实的情况是，大量的边缘案例都未被人工标记，而自动驾驶最需要的就是车辆识别系统能够与环境实时融合。显然，无监督学习方式更适合自动驾驶的识别系统。

为什么投资Cartica AI?

据了解，Cartica AI视觉智能平台的开发基于日本瑞萨电子芯片，该平台运行所需的功率不到0.5W，而包括Mobileye在内的现有解决方案则需要5W至10W瓦，单功耗方面，Cartica AI就已经领先其他视觉智能平台。

此外，Cartica AI基于计算机视觉的感知堆栈的透明决策过程也得到了优化，系统也能在几分钟内完成更新，无需重新运行大量的训练数据。

而最重要的一点是，Cartica AI无需进行大量的人工数据标记，这意味着Cartica AI能省去绝大多数的人工费，成本低了自然不缺投资。宝马风险投资公司的合伙人Kasper Sage称:"在新的系统发布之前，Cartica AI将会具有巨大的价值，我们相信Cartica AI将在自动驾驶方面发挥关键作用"。言外之意就是，在没有更便宜的智能视觉平台出现前，Cartica AI就是最好的选择。

看来，为应对汽车行业的低迷，汽车制造商已经开始对零部件成本下手了。宝马和丰田投资Cartica的行为，似乎在预示着自动驾驶的一个全新趋势——最早的自动驾驶需要昂贵的激光雷达来识别环境，后来有人说GPS+高精地图就能搞定自动驾驶，如今宝马丰田把宝押在了视觉AI边缘计算领域。

这个技术不需要识别出前面的车是丰田还是宝马，不需要识别出路边的障碍是人还是树，只需要知道前面是辆"车"，路边的障碍碰不得就行了。所有的识别技术，都不如人眼——或者说是在障碍识别方面接近人眼的视觉AI来得实在。